★ 2
Fikiria：斯瓦希里语数学推理强化学习方案达 79.2%
研究者提出 Fikiria，采用 SFT+GRPO 两阶段训练提升斯瓦希里语数学推理，奖励函数同时约束答案正确性与推理链的语言表面一致性。基于 GPT-4.1 翻译 GSM8K 构建的 2.3k 数据集训练后，Fikiria-AfriqueQwen-14B 在 AfriMGSM 斯瓦希里语上达到 …
arXiv NLP6 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究者提出 Fikiria，采用 SFT+GRPO 两阶段训练提升斯瓦希里语数学推理，奖励函数同时约束答案正确性与推理链的语言表面一致性。基于 GPT-4.1 翻译 GSM8K 构建的 2.3k 数据集训练后，Fikiria-AfriqueQwen-14B 在 AfriMGSM 斯瓦希里语上达到 …